実世界応用のための化学多感覚装置のキャリブレーション:定量的機械学習アプローチの徹底的な比較【JST・京大機械翻訳】

De Vito S.; Esposito E.; Salvato M.; Popoola O.; Formisano F.; Jones R.; Di Francia G.

プレプリント

J-GLOBAL ID：202202213862881301 整理番号：22P0041888

実世界応用のための化学多感覚装置のキャリブレーション:定量的機械学習アプローチの徹底的な比較【JST・京大機械翻訳】

Calibrating chemical multisensory devices for real world applications: An in-depth comparison of quantitative Machine Learning approaches

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2017年08月30日プレプリントサーバーでの情報更新日： 2017年08月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

化学マルチセンサデバイスは,ガス濃度を推定するための較正アルゴリズムを必要とする。指示大気質測定デバイスとしてのそれらの可能な採用は,制御されていない環境における連続監視モードで操作する必要性により,新しい課題を提起する。遅い動力学を含むいくつかの問題は,それらの実世界性能に影響を与え続けている。同時に,ボード上の汚染物質濃度を推定する必要性は,ウェアラブルとIoT展開のために,特に,非常に望まれている。このフレームワークにおいて,いくつかのキャリブレーションアプローチを提案し,様々な専用デバイスとデータセットで試験した。なお,研究者にとっては完全な比較が利用できない。本研究は,機械学習アプローチに焦点を絞った最近の文献に従って,最も有望なキャリブレーションアルゴリズムのベンチマーキングを試みた。連続監視操作方法論を共有する3つの異なるデータセットを用いて,絶対および動的性能,一般化能力および計算/貯蔵ニーズに対する技術を試験した。著者らの結果は,研究者と技術者を最適戦略の選択に導くことができる。それらは,非線形多変量技術が再現可能な結果をもたらし,lin-earアプローチより優れていることを示した。特に,サポートベクトル回帰法は,全ての考慮シナリオにおいて一貫して良好な性能を示した。性能と計算/貯蔵ニーズの間のトレードオフにおける浅いニューラルネットワークの強化された適合性を強調した。非常に広いベースで,瞬時センサアレイ応答のみに依存する静的ものに関する動的アプローチの利点を確認した。後者は,迅速で正確な応答が必要な場合,最良の選択であることを示した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

人工知能 , 大気質調査測定一般 , 分析機器

, , , , , ,

前のページに戻る